《人工智能》课程大纲

1、PAGE PAGE 4 人工智能 课程教学大纲 一、课程的基本信息 适应对象：信息工程专业。课程代码：39E01126学时分配：42赋予学分：2先修课程：C语言程序设计、数据结构、面向对象程序设计后续课程： 二、课程性质与任务本课程是信息工程专业的一门专业课程，具有较强的理论性和应用性。本课程的任务是使学生掌握人工智能基本原理，理解人工智能程序设计的基本思路和方法。培养学生的人工智能应用程序的编程能力和实践应用能力。本课程的主要知识点包括面向知识表示、智能搜索、多智能体、推理技术、模糊逻辑、机器学习等。三、教学目的与要求通过理论和实践教学，使学生掌握人工智能的基本思想和方法，培养学生的人工智能

2、应用程序开发的基本能力，达到以下3个目标。 1. 知识教学目标: 理解和掌握人工智能的知识表达，推理和搜索技术，了解基于统计分析的机器学习方法。2. 能力教学目标: 熟练使用prolog,matlab,visual c+等工具来开发人工智能应用程序3. 思想教育目标: 了解人工智能的最新进展和目前的发展思路.四、教学内容与安排（一）课时分配按照课程内容，分成5个教学单元，各单元的课时安排如下表所示：单元学时分配小计讲授习题讨论实践1、人工智能概述442、知识表示与推理6283、搜索技术6284、不确定知识表示与推理6285、机器学习10414合 计321042 （二）教学内容安排第1单元人工智

3、能概述【教学内容】1. 人工智能基本概念 2. 智能感知简介 3. 智能推理简介4. 智能学习简介 5. 展望 【教学重点及难点】教学重点：智能、感知、推理与学习。教学难点：强、弱人工智能辨析。 【基本要求】了解智能、感知、推理与学习的基本概念；了解弱人工智能的常见范例。【培养能力】 了解、掌握人工智能基本知识。第2单元知识表示与推理【教学内容】1. 知识表示基本概念2. 命题逻辑与谓词逻辑3. 产生式系统4. 其他知识表示方法5. 基于知识的系统：专家系统【教学重点及难点】教学重点：谓词逻辑、产生式系统、专家系统。教学难点：归结原理、语义网络、框架。【基本要求】了解一阶谓词逻辑，产生式，专家

4、系统；掌握归结推理；掌握产生式规则前后向推理；了解其他知识表示方法。【培养能力】 了解、掌握常用知识表示方法，并应用其进行简单推理程序设计的能力。第3单元搜索技术【教学内容】1. 盲目搜索 2. 启发搜索3. 问题规约与AND-OR图启发式搜索4. 博弈搜索【教学重点及难点】 教学重点：盲目搜索，启发搜索，博弈搜索。教学难点：启发式信息和评估函数，-过程。【基本要求】了解搜索技术；理解评估函数；掌握盲目搜索；掌握启发式搜索；掌握博弈搜索；了解AND-OR图启发式搜索。【培养能力】 了解、掌握常用搜索技术，并应用其进行简单智能搜索程序设计的能力。第4单元不确定知识表示与推理【教学内容】1. 不确

5、定知识表示 2. 近似推理3. 模糊逻辑【教学重点及难点】教学重点：不确定知识表示与不确定推理方法。教学难点：主观Bayes、 证据理论。【基本要求】了解不确定知识常用表示方法；掌握主观Bayes下的推理方法；掌握证据理论下的推理方法；掌握模糊逻辑与基本模糊推理方法。【培养能力】了解、掌握常用不确定知识表示方法，并应用其进行简单不确定推理程序设计的能力。第5单元 机器学习【教学内容】1. 实例学习 2. 解释学习 3. 基于统计的机器学习方法4. 神经网络5. 强化学习【教学重点及难点】教学重点：统计机器学习、神经网络、强化学习。教学难点：泛化性理论、数值优化技术。【基本要求】了解实例学习、解

6、释学习基本原理；掌握常用统计降维，分类线性方法；掌握BP神经网络原理和优化方法。掌握Q-学习原理和方法【培养能力】了解、掌握常用机器学习方法，并应用其进行简单智能学习程序设计的能力。五、教学设备和设施理论讲授与演示实验辅助的教学方法，适当使用多媒体教学设备。六、课程考核与评估本课程根据两个重要环节进行考核：平时成绩（40%）、期末考核（60%）。七、附录1.必备教材（1）人工智能：一种现代的方法（第3版）罗素（美）. 北京： HYPERLINK /search/power_search/power_search.asp?key1=高等教育出版社 t _blank 清华大学出版社 ，2013.112.参考资料（1）人工智能 智能系统指南 尼格尼维斯基（澳）. 北京：机械工业出版社